哪一代人更幸福?

摘 要：（中）摘要利用年龄、时期和队列分析方法探索了我国居民主观幸福感的变迁及其影响因素。基于CGSS 2003―2013的数据分析显示，虽然受经济发展的推动，我国居民的总体幸福感在近十年内呈现单调上升的态势，然而它们在不同队列之间却存在较大的差异。队列趋势呈现出两高（20世纪40和70年代末）和一低（20世纪60年代初）的状态。受户籍制度影响城乡间的差异自“50后”的队列开始逐渐拉大。性别间的差异受男性和女性在不同队列间结婚率的影响，自1968年队列逐渐分化。受过高等教育群体的幸福感一直高于其他群体，但是这种差别自“80后”的队列开始呈缩小的趋势。研究显示宏观社会变迁对✎个体幸福感的影响会与个体的生命历程发生交互作用，从而对人群产生分化结果。

关键词：（中）关键词主观幸福感；年龄―时期―队列分析；生命历程

中图分类号：（中）中图分类号C91-03 文献标识码：A 文章编号：1000-4149（2018）01-0090-13

DOI：10.3969/j.issn.1000-4149.2018.01.009

Abstract：（英）摘要Our study utilized a newly developed ageperiodcohort method to explore the pure effects of Chinese residents’ subjective wellbeing along the period and cohort dimension as well as their determinants based on the data from CGSS 2003―2013. It is found that while the monotonic increase of China’s subjective wellbeing in recent years is consistent with previous literature， the cohort pattern is more significant and meaningful. The basic cohort trend exhibits two peaks （1940s and late 1970s） and one trough （1960s）. Further stratification analyses reveal that the urbanrural difference in subjective wellbeing expands since the cohort of the post 50s. The marriage rate can well explain the patterns of the two genders’ subjective wellbeing which diverge after the cohort 1968. Finally， although the population who completed higher education yield a consistent higher subjective wellbeing score， such gradient is significantly cut since the post 80s. Our findings suggest that the macro history events and social changes can play a significant role on individual’s subjective wellbeing， and such influence can interact with individual’s life course to further differentiสate the population.

一、 引言

居民的主^幸福感一直以来不仅是社会舆论关注的重要话题，也是社会科学领域研究的热点问题。作为一个全面性指标，主观幸福感反映了一个社会的综合发展水平，而幸福感的变化趋势在一定程度上体现出社会的发展进程。自中华人民共和国成立以来，在短短的60多年间，我国经历了重大的历史变迁与社会转型。在这样一个背景下，我国居民主观幸福感的变化趋势作为这些复杂变化的一个载体，在一定程度上提供了一个视角来研究这些转变以及它们是如何影响到个体居民生活的。因此，这个领域一直是众多学者关注的焦点[1-3]。

受伊斯特林（Easterlin）提出的“幸福悖论”的影响[4]，相关研究特别关注特定经济发展水平下，主观幸福感的时期变化趋势。伊斯特林本身关于经济的增长并不一定会带来国民整体幸福感上升的论断充满争议，我国居民主观幸福感的研究，特别是其在社会转型与经济快速发展时期的变化趋势也充满不确定性，因而一样充满争议。利用不同的数据，研究者给出了截然不同的结果，包括持续上升、持续下降、保持不变和先降后升等趋势[1-3， 5-6]。这些时期趋势的差异可能缘于所涵盖的历史阶段略有不同以及样本选取上的差异等[3]。但是这些研究都忽略了一个重要因素，即年龄、队列和时期的交互作用可能会影响观察到的趋势。此外，这类研究过分聚焦于时期趋势，而忽视主观幸福感在其他时间维度上特别是队列上的变化趋势。在社会越来越关注平等的今天，代际间的不同经历以及它们在塑造幸福感上的作用也受到了大众的热切关注。

在趋势研究中虽然我们可以主要关注一种时间维度，例如，幸福感随时期的变化，但是在实际研究中会不可避免地同时涉及年龄、时期和队列三种维度。当忽略年龄和队列而讨论时期变化时，其潜在的假设是，对于每一个观测时期，年龄和队列的构成基本相似或者不同的年龄和队列不会对观测的因变量产生分化影响[7]。而在现实情况中，这样的假设常常不成立，那么我们观察到的主观幸福感随时期的变化可能还混入了因为队列构成不同所产生的队列效应。因此，要真正了解主观幸福感在时期维度上的变化，需要分离出其中可能的队列和年龄效应，也就是进行所谓的年龄、时期和队列（APC）分析。 当然进行APC分析的目的不仅仅限于对趋势的获取上。获得真实的年龄、时期和队列效应对理解趋势的形成机制及其影响因素具有重要的意义。年龄效应通常指代与生理年龄改变相关的生理、心理及社会地位转变所引起的变化。在本文中，年龄效应反映了由年龄主导的身体机能的改变以及社会角色的转换等内在力量对个人生活满意度的影响。时期效应代表着与时期变化相联系的改变，它们通常是由外部环境因素在某个时期的瞬时作用所引起的，包括特殊历史事件、社会经济环境的改变以及新技术的突破等。时期效应最显著的特征是它的影响力会一致地波及同一个时期所有年龄段的人群。众多研究所关心的经济发展产生的影响通常以时期效应的方式直接作用在个体的幸福感上。队列效应，则体现在它的影响集中在对同一时间出生的群体上。这些个体共同经历的一些历史事件或者社会变迁，逐渐在他们身上产生相同的烙印，以外力（例如社会重大事件）与内力（例如个体发展过程）交互作用的方式通过缓慢积累或者延迟发生来对个体幸福感产生影响。

可以看出，幸福感在不同时间维度上的趋势有其独特意义。过分聚焦时期维度，会在一定程度上忽略驱动幸福感变化的一些重要机制以及对整体趋势的解读。ภ特别的，在对我国居民主观幸福感趋势的研究中引入队列维度具有重要意义。因为针对我国居民主观幸福感的调查所涵盖的时期都相对较短（大部分在20世纪90年代以后），而通过对队列的划分，可以利用同样的数据获得幸福感在更长时间范围内的变化趋势，因而可以在更大时间尺度上关注宏观因素的历史作用。但正如上面所讨论的，宏观因素在时期和队列上的作用机制是有差异的。如果说时期趋势体现了外部因素的瞬时效应，那么队列趋势则反映了外部因素与个体内在发展的交互作用，即外部的历史因素作用于不同生命阶段的个体，从而对人群产生了分化。因此，我们需要用生命历程的视角来解释这些宏观因素在队列中的效用。

要同时估计年龄、时期和队列的趋势效应，并且破除它们之间的相 Ü互干扰因素，需要进行APC分析。但在实际应用中要执行有效的APC模型非常困难，其主要原因是APC这三个维度间的完全共线性，即只要知道三个因素中的任意两个，第三个因素将会被唯一决定。因此，普通线性分析无法得出三者的唯一解。这就是APC分析中著名的“不确定性问题（identification problem）”。近些年来，APC分析有了一些新发展，其中最具代表性的是杨扬（Yang）和兰德（Land）提出的以分层随机效应模型方法来解决共线性问题[8]。这种方法不仅开启了APC分析的新思路，也可以更直接方便地用来分析以问卷调查为基础的微观数据。杨扬利用该模型分析了美国居民主观幸福感的时期和队列趋势，并验证了作为队列因素的“婴儿潮（baby boom）”对主观幸福感的负面影响[9]。本文将把这种APC方法运用到调查规模较大且期数较多的中国社会综合调查数据（CGSS）上来分析我国居民主观幸福感在多个维度上的趋势及其影响因素，将重点关注幸福感的队列差异，并由此初步探讨近几十年来的社会发展与转型的宏观过程是如何塑造这些差异的。同时，我们也将进一步分析这些趋势是否在重要的社会分层因素上（例如，户口、性别和教育程度）产生分化和其中所蕴含的机制。

二、 数据与方法

1.数据

本研究所用数据来自中国社会综合调查（CGSS）的200

3、200

5、200

6、200

8、2010和2013年总共6次抽样调查，对应6个观测时期。有效样本为41462个（变量无缺失），覆盖年龄段从18岁到98岁，对应的出生队列年份为1910年到1995年。

2.变量

研究中最关键的因变量是基于CGSS问卷中对居民生活幸福感的问题。调查年份相关问题的设置虽略有差异，但是前述研究已经证实了这些问题的可比性和兼容性[3]。由此构建出关于主观幸福感的变量，共有1―5个取值，分别对应于“非常不幸福”、“比较不幸福”、“说不上幸福不幸福”、“比较幸福”和“非常幸福”。该变量是序次变量，但是在后面的模型中， Logistic模型和线性模型的结果比较类似。为了结果展示和解释的直观性，把它处理成连续变量。

文中所关心的时间维度变量为年龄（18―98岁）、观测时期（200

3、200

5、200

6、200

8、2010和2013年）以及出生队列。由于分析方法的需要，我们把出生队列进行分组。除去出生早于1920年以及晚于1992年的个体分别单独为一个队列以外，临近的三个出生年份被归为一个队列组，一共获得25个队列组。其他的分组方法（两年一组和五年一组）也经过了测试，结果差异不大，其中三年为一组的方式在信息的丰富性和模型的经济性方面达成了较好的平衡。另外选取三年为一组也是从文化上考虑，依据的是传统上认为的“三年一代沟”。

其他自变量的选择依据已有研究[3]和6期调查数据的连续可及性可分为基本人口特征变量（性别、民族、户口类型）、社会资本和关系变量（政治身份、工作情况、婚姻状况），以及社会经济地位变量（受教育程度、个人年收入、主观社会地位、与以前比较地位变化）。所有相关变量的描述性统计结果参见表1。除此之外，我们还添加了一个时期层面的变量（人均GDP在对应时期年份的增量）用以检验经济发展程度是不是我国居民主观幸福感在近十年以来持续上升的推动力量。对控制变量的操作化相对简单，例如，仅考虑是否在职和是否在一段婚姻关系中，而没有细分职业和婚姻状态。这是为了更聚焦到趋势和主要变量的讨论中。也尝试加入更细化的测量，结果对趋势完全没有影响。

3.方法

APC分析因其三者天然的共线性而无法获得有效分解。近年来，一个比较突出的解决方法是杨扬和兰德提出的分层APC交叉分随机效应模型（Hierarchical APCCrossClassified Random Effects Models， HAPCCCREM）[8]。此模型假设APC三元素中，年龄为固定效应，时期和队列为随机效应。这种构成打破了三者的简单线性关系，使得APC互相间的线性约束不再成为问题。具体来说，分层随机模型使得三元素不再处于同一个层面，而是产生了嵌套关系。这样高阶层面的时间维度在某种意义上变成了环境变量，它对个体层面的影响体现在对回归系数和截距的影响上。另一个突出的优点是，该方法可以直接用在微观调查数据上，从而大大拓宽了APC方法的使用范围。 具体来说，这个方法利用重复测量的横截面数据，首先，把队列组合成一系列队列组（在此研究中三年分为一个队列组），每个队列组的长度应该是两年或者两年以上。如果是单年队列同时对应单年时期，那么在每一个队列x时期的小格子里都只有一个年龄组，无法完成分层效应的估计。当把几个队列合并成一个队列组时，所暗含的假设是这些组内的队列效应相同或者非常相似。其次，把数据排列成队列组x时期的形式。我们一共有25个队列组和6个时期形成25×6的数据矩阵。每一个个体测量数据会根据自己所属的队列组与时期被纳入对应的小格子里，形成嵌入式的分层数据结构。

依据以上说明，HAPCCCREM方法的数学表达式如下。

三、 分析结果

1.APC基本趋势

基于分层模型的APC基本趋势（公式

（3））对应于表2中的模型1―3。模型1主要控制了代表人口特征的基本变量，模型2则加入了所有个体层面的控制变量，模型3在模型2的基础上添加了时期层面的变量，即人均GDP的增量。需要说明的是，在时期层面可能影响幸福感的因素远不止人均GDP增量，本研究中为了验证前述研究关于经济发展对我国近十几年来居民主观幸福感的提升作用，同时也为了后续部分集中对队列趋势的讨论，只考虑人均GDP增量这一个时期层面变量。

作为ฌ固定效应的年龄变量在模型1―3中的趋势比较稳定，均成“U”型，表示随年龄增长主观幸福感先下降再上升，在40到50岁之间达到最低值，与前面关于中国幸福感研究结果类似[2，10]。

关于时期和队列的趋势，我们需要首先通过随机效应方差的估计结果来判断其显著性。在基本模型1中，时期效应呈边际显著趋势（p=0.057）。在模型2中加入的其他个体层面的控制变量也并没有对该趋势产生显著影响。如图1（a）所示，在模型1中，时期效应随年份的推进呈单调上升趋势，表示居民的主观幸福感在近十年不断提高。在模型3中，我们考虑加入时期层面的变量，即每个时期年份所对应的人均GDP增量，用以检验主观幸福感在时期维度上的增长机制。模型3时期效应方差的显著性已大大降低（p=0.090），如图1（b）所示，此时时期效应的趋势线已经接近平直。这在一定程度上证实了GDP的增长速度是主观幸福感随时期提升的主要动力。关于时期趋势的结果也并不出人意料，与前面研究结论类似，经济发展作为外生力量起到了主要推动作用。本研究用更加严格的模型在控制了年龄和队列效应的基础上再次证实了这一结论。

比起备受关注的时期趋势，我国居民主观幸福感在队列维度上的变化更显著（p=0.022），且其显著性并不受其他控制变量和人均GDP增量的影响。如图2（a）所示，在只控制了基本人口学变量的模型1中，队列趋势出现了两个高峰。一个是以20世纪30年代至40年代中期为代表的出生队列（虽略有起伏），另一个是以70年代中后期为代表的出生队列。两个峰值之间，形成一个低谷。主观幸福感自1947―1949年队列开始持续下降，到1959―1961年队列到达最低点，此后开始反弹。

在模型3中加入所有控制变量以及人均GDP增量之后，队列效应并没有消失（p=0.020），但是形状趋势有所改变。如图2（b）所示，在控制了个体层面人口学特征、社会关系以及社会经济地位等主要因素后，整个20世纪

30―50年代出生队列的主观幸福感都处在高峰，但此后逐渐下降直至90年代后开始反弹。显著的队列趋势说明仍旧有模型没有控制的因素在主导队列趋势的变化。将在下面的分层趋势分析中做进一步探讨。

2.城乡的队列趋势差异

除了对绝对趋势的关注，本文也非常关注主观幸福感在不同人群中趋势走向的差异。基于我国国情，城乡的分层趋势又是其中最重要的考量。在前面的方法部分也做过说明，可以考虑分层变量的时期或者队列效应，即对此变量的斜率引入相应的随机效应。同样可以根据对应随机效应方差的显著性来判断该分层变量的类别之间是否在时期或者队列趋势上存在差异。

同时在基本模型中加入了对户口斜率的时期和队列的随机效应，但是只有户口的队列效应显著（p=0.018），表示城乡居民的主观幸福感在队列趋势上有显著差异，而在时期趋势上没有区别。因此，在表2的模型4―6中我们仅保留户口的队列效应。图3（a）展示了在仅控制人口特征变量后，城乡居民的主观幸福感在队列间的差异。虽然城镇居民的幸福感持续高于农村居民，但是这个差异在队列间有先缩小后拉大的趋势。差异最小的出生队列是“50后”。

当在模型5中进一步控制了个体的经济地位变量后（收入对数、主观社会地位、与以前比较地位变化），队列的截距效应变得不显著了（p=0.115），在这个模型中代表城镇居民的队列趋势不再显著。这说明了城镇居民的主观幸福感在队列中的差异主要由个体的经济地位状态所决定。但是城乡居民在队列间的差异仍然（在p< 0.1的意义下）边际显著，甚至在控制了所有变量的模型6中，该差异又变得显著（p="0.014）。由此证明，虽然个体的经济地位能解释一部分城乡间幸福感的差异，但是还有本文未能控制的因素在主导城镇居民和农村居民幸福感的队列差异。由图3（b）">

3.性别的队列趋势差异

微观因素的研究已经显示，在中国女性通常比男性有更高的主观幸福感[10]，但本研究更感兴趣的是男性和女性的主观幸福感是否在时期或者队列趋势上存在差异。在模型中同时加入性别的队列和时期随机效应，同样只有队列效应显著。因此，在表2的模型7―9中我们只保留性别的队列效应。 表2的模型7显示了在基本控制模型中，男性和女性主观幸福感在队列上的变化趋势存在显著差异（p=0.035）。借助图4（a）可以发现男性和女性主观幸福感在较早的出生队列中没有明显差异，但是自1968年以后的出生队列开始产生较大分化，女性和男性之间的差异开始拉大。

进一步在模型中加入控制变量，可以发现婚姻状况（1=已婚，0=其他）这一个变量就可以很好地解释性别间的队列差异。如表2的模型8所示，性别的队列效应方差已经不再显著（p=0.148），而婚姻状况显著影响居民主观幸福感，在婚姻中的个体会比非婚姻状态的个体更幸福（p<>

在图4（b）中，通过分队列画出“在婚率”（处在结婚状态中的比例）来探索婚姻状态对主观幸福感的影响。在较老的队列中（“60后”以前），女性在婚率明显低于男性，这是因为女性丧偶比例较高。但是丧偶对女性主观幸福感的影响并不明显，因而在较老的队列中男性与女性幸福感的差异也不明显。已有文献表明老年女性似乎在面对失去她们最亲密的人（如配偶）时会比男性有着更强的心理承受力，因为对老年女性来说丧偶是一件概率更大的事。当一种社会损失可以被预计时，会帮助女性减轻因骤然发生而产生的悲痛和压力，从而减少对她们幸福感的影响[11]。值得关注的是，在婚率在先收敛之后，自1968年后出生的队列开始再度分化，女性的在婚率在此后的队列中持续高于男性。这部分可分为两个阶段来解释，从1968年到1970年代后期的队列中，男性较低的在婚率很有可能是生育率快速下降导致的婚姻挤压现象造成的。郭志刚、邓国胜通过人口年龄构成论证了1969―1981年出生的男性会受到极为严重的婚姻挤压[12]。这里的队列分化趋势基本吻合他们的分析。而此后队列的性别差异，很大程度上是因为女性比男性更早进入婚姻状态所引起的。总之，在模型7中持续分化的男性与女性主观幸福感很大程度上是由于在对应队列中男性和女性在婚率的差异造成的。

4.不同教育群体的队列趋势差异

教育对个体主观幸福感的作用不言而喻，受过良好教育的个体会拥有更高的幸福感。本文特别关注高等教育所带来的幸福感上的优越性是否会随着时期或者队列的推移而发生改变。在表2的模型10―12中，在个体层面加入一个教育程度的变量，即是否受过高等教育（1=是，0=否），并同时考虑此变量的时期和队列的随机效应。同样，该教育指示变量仅队列效应显著，说明受过与没有受过高等教育的人群主观幸福感在时期走势上没有区别，但在队列趋势上差异显著。

根据图5所示，在只控制了基本变量的模型10中，受过高等教育的人群不出意料地表现出了较高的主观幸福感。可是这种差异自“80后”的出生队列开始有了明显的消减。可以发现，大部分在1980―1982年出生的队列人群当他们中学毕业时，正好赶上了1999年开始的高校扩招。当我们在模型11中加入了“收入对数”、“主观社会地位”、 “与以前比较地位变化”这一组表示个体社会经济地位的控制变量后，高等教育指示变量的队列随机效应的显著性有所下降（p=0.063）。在控制了所有协变量的模型12中，此队列效应的显著性完全消失（p=0.410）。这说明了在受过高等教育的群体中，个体经济地位效益的相对下降是造成这个群体自“80后”出生队列主观幸福感下降的重要原因。当大学生不再是“天之骄子”，找工作越来越难并且相对收入也下降时[13]，高校扩招在一定程度上降低了高等教育的回报从而导致受过高等教育的群体的主观幸福感降低。这样的结果也与前面研究关于教育回报在高等教育扩招前与扩招后对幸福感的不同影响[14-15]相一致。

四、 结论与讨论

本文利用分层APC交叉分类随机效应模型，对我国居民主观幸福感的年龄、时期和队列趋势进行分解，并进一步讨论这些趋势的宏观影响机制及可能存在的分层差异。文章的主要贡献首先体现在方法上，采用了较为严格的数学模型来破除年龄、时期和队列效应的相互干扰。虽然幸福感的时期趋势与前述研究结果类似[3]，即在近10年间对于不同户籍、性别和受教育程度的群体均呈现单调上升的趋势，但是基于APC模型分析的结果更槲榷ㄓ胙辖鳌Ｍ时，我们也利用模型来验证了以人均GDP增量为代表的经济发展水平是幸福感在时期维度上变化的主要外生动力。

其次，本文第一次详尽地探索了我国居民主观幸福感在队列维度上的变化趋势。长期以来，学界对幸福感在队列上的变化趋势缺乏认知和讨论。本文展示的队列趋势在理论需求和实际结果上都很有意义。从理论上讲，因为现有时期数据观察长度的限制，我们仅能探索在有限的时期内居民幸福感的变化及其影响机制。而从队列视角出发，我们不仅可以观察到一个更大时间跨度内的趋势变化，更重要的是将这种趋势的变化置于该期间内的历史情境中，从而可以一方面探求宏观因素对个体幸福感的塑造机制，另一方面间接凸显中华人民共和国成立以来的历史事件与社会变迁过程。

本文的实证结果证明了相对于时期趋势，主观幸福感的队列趋势更为显著，呈现出两个峰值和一个低谷的模式。第一个峰值的出现（20世纪30―40年代出生的队列）很有可能是伴随着中华人民共和国的成立，这一批人逐渐摆脱苦难，在青年时期获得了稳定的受教育、工作以及组建家庭的机会。另一个高峰的出现（70年代出生的队列）则可能受益于改革开放，这一队列人群成长于更开放与多元化的社会，也在步入工作阶段赶上了我国经济的腾飞阶段。而相对应的，至1947年开始的出生人群逐渐受到“文化大革命”的影响。他们被迫中断学业，也被剥夺了系统受教育的机会[16]。其中的一大部分人也因为“上山下乡”运动推迟了他们获得稳定工作、组建家庭等向成年阶段转换的标志性事件的发生时间。已有研究证明了这种经历会对个体整个职业轨迹具有长远的负面影响[17]。 出生于1947年到1963年间的群体，因在“文化大革命”中至少缺失了一年的系统学习机会而在一些文献中被界定为“文化大革命队列”[16-17]。图2（a）的趋势则很好反映了这一批人随着受“文化大革命”影响程度的加深，主观幸福感在 1959―1961年队列到达最低谷。不仅不同出生队列人群的主观幸福感存在显著差异，城乡、不同性别和受教育程度的居民在队列趋势上也存在明显的分化。这一系列的结果，在很大程度上体现了20世纪以来的种种历史事件的影响，包括中华人民共和国成立、户籍制度的建立、“文化大革命”、改革开放、人口转变、高等教育扩张以及中国经济腾飞，等等。 与以往研究主要关注微观因素对个体幸福感的影响不同，本文立足于宏观视角，强调社会力量在塑造个体幸福感上的作用。宏观社会环境对幸福感的影响通过对结构性特征的构建，作用于微观因素，从而影响个体的幸福感。例如，城乡居民受到二元户籍制度的长期禁锢，其幸福感不断分化。这样一种结构性的差异，无法通过对农村居民经济地位的提升来完全弥补，变相削弱了个体经济地位对幸福感的实际效用。而性别之间的幸福感趋势差异，则受到由人口转变、生育政策和经济发展所形成的婚姻市场分割的影响，进而影响男性进入婚姻的机会。最后，受过高等教育群体的幸福感趋势的变化，同样是由于劳动力市场从计划经济到市场经济的转变以及高校扩招客观上改变了劳动力市场的供需结构，加剧了该市场的分割，最终使得教育回报贬值。

值得说明的是，本文虽力求探索社会发展与转变的宏观机制对幸福感的分化作用，但在模型实际操作中缺乏对历史事件及其影响的直接测量，仅将不同队列的跨度时间与宏观事件的发生时间相比对来间接体现宏观环境的结构性作用，在一定程度上损害了模型的解释力和结论的稳健性。特别是在解释队列间幸福感差异时，无法明确分割同一历史事件在不同队列间影响的差别，或者估计的仅是系列历史事件对队列的联合影响。因此，在结果的解释上应更加谨慎，且需要立足于外部的理论工具。

我们尝试借助生命历程理论来构建解释框架。在这样一种视角下，宏观因素的作用往往融入队列人群的生命历程中，与个体的生命轨迹产生交互作用，通过改变个体重要事件的发生时间或者状态，使其延误于社会标准时间的设定或者使个体的发展低于其所处年龄的期望来对人群产生分化[18]。在本研究中，我们依据社会化理论把青少年向成年的转换阶段作为个体发展的关键时期[19]，把历史事件对个体在该阶段的影响作为幸福感分化的重要机制。 出生于20世纪40年代和70年代的队列在此关键时期分别受益于中华人民共和国的成立和改革开放带来的中国经济腾飞。而出生于60年代的队列以及“80后”受过高等教育的群体，在此生命时点分别受到“文化大革命”以及高校扩招的影响，从而可能为他们的主观幸福感带来负面效应。除此之外，在个体的婚配阶段组建家庭的机会也会显著影响其主观幸福感。以上提到的教育的完成情况、第一份工作的获得以及组建家庭的机会都隶属于个体向成年阶段转换的标志性事件。大量的文献已经证明，这个阶段的经历将会对其整个生命历程产生深远的影响[19-20]。当然这些解释是建立在较强的理论假设下的，未来的研究需要采用更科学的方法来量化个体的生命轨迹和历史进程，从而获得宏观机制更直接和准确的估计。

最后，本文聚焦在宏观社会变迁对幸福感的作用这一视角，可提供一些更为直接的干预路径，以提升居民整体的幸福感。除以往研究所提倡的促进经济发展与注重分配公平外，本文强调对个体从青年到成年发展转换时期的重点关注。从政策上提升青年的就业机会，合理调整人口政策，致力于解“光棍问题”。这些措施将会对个体主观幸福感产生长远影响。此外，我国农村居民的幸福感还有极大的提升空间。这不仅在于个体收入的增加，还在于完善农村居民的社会和医疗保障制度，破除与户籍制度绑定的福利分配壁垒，消除身份歧视，真正增强农村居民的安定与保障感。

参考文献：

[1]EASTERLIN A， MORGAN R， SWITEK M， et al. Chinas life satisfaction， 1990-2010[J].Proceedings of the National Academy of Sciences of the United States of America， 2012， 109

（25）： 9775-9780.

[2]TANG Z. They are richer but are they happier？ subjective wellbeing of Chinese citizens across the reform era[J]. Social Indicators Research， 2014， 117

（1）： 145-164.

[3]刘军强， 熊谋林， 苏阳. 经济增长时期的国民幸福感――基于CGSS数据的追踪研究[J]. 中国社会科学， 2012

（12）：82-102.

[4]EASTERLIN A. Does economic growth improve the human lot？ some empirical evidence[M]∥DAVID P A， MELVIN W R. Nations & Households in Economic Growth. New York： Academic Press， Inc， 1974： 89-125.

[5]BROCKMSNN H， JAN D， CHRISTIAN W， et al. The China puzzle： falling happiness in a rising economy[J]. Journal of Happiness Studies， 2009， 10

（4）： 387-405.

[6]CRABTREE S， TAO W. Chinas puzzling flat line[J/OL]. [2011-08-10]. http：//www.gallup.com/businessjournal/148853/ChinaPuzzlingFlatLine.aspx？g_source=China%27s+Puzzling+Flat+Line&g_medium=search&g_campaign=tiles.

[7]YANG Y， LAND K C. Ageperiodcohort analysis： new models， methods， and empirical applications[M]. Boca Raton， FL： CRC Press， 2013：1-2. [8]YANG Y， LAND K C. A mixed models approach to the ageperiodcohort analysis of repeated crosssection surveys， with an application to data on trends in verbal test scores[J]. Sociological Methodology， 2006， 36

（1）： 75C97.

[9]YANG Y. Social inequalities in happiness in the United States， 1972 to 2004： an ageperiodcohort analysis[J]. American Sociological Review， 2008， 73

（2）： 204-226.

[10]边燕杰， 肖阳. 中英居民主观幸福感比较研究[J]. 社会学研究， 2014

（2）： 22-42.

[11]YANG Y， MCCLINTOCK M K， KOZLOSKI M， et. al. Social isolation and adult mortality： the role of chronic inflammation and sex differences[J]. Journal of Health and Social Behavior， 2013： 54

（20）：183-203.

[12]郭志刚， 邓国胜. 婚姻市场理论研究――兼论中国生育率下降过程中的婚姻市场[J]. 中国人口科学， 1995

（3）： 11-16.

[13]张卓， 刘厚莲. 我国高校扩招对大学毕业生收入影响的实证分析[J]. 未来与发展， 2005

（9）：32-36.

[14]黄嘉文. 教育程度、收入水平与中国城市居民幸福感――一项基于CGSS2005的实证分析[J]. 社会， 2013

（5）： 181-203.

[15]HU A. The changing happinessenhancing effect of a college degree under higher education expansion： evidence from China[J]. Journal of Happiness Studies， 2015， 16

（3）： 669-685.

[16]MENG X， GREGORY R G. The impact of interrupted education on subsequent educational attainment： a cost of the Chinese Cultural Revolution[J]. Economic Development and Cultural Change. 2002， 50

（4）： 935-959.

[17]LIN Q. Lost in transformation？ the employment trajectories of China’s Cultural Revolution cohort[J]. The Annals of the American Academy of Political and Social Science， 2013， 646

（1）： 172-193.

[18]李强， 邓建伟， 晓筝. 社会变迁与个人发展：生命历程研究的范式与方法[J]. 社会学研究， 1999

（6）：1-18.

[19]HOGAN D P， NAN M A. The transition to adulthood[J]. Annual Review of Sociology， 1986， 12

（4）： 109-130.

[20]ARNETT J J. Learning to stand alone： the contemporary American transition to adulthood in cultural and historical context[J]. Human Development， 1998， 41（5-6）： 295-315.